PHP函數mb_detect_encoding嚴格模式

在函數mb_detect_encoding中有嚴格模式的參數。PHP函數mb_detect_encoding嚴格模式

在第一個，最upvoted評論：

<?php 
$str = 'áéóú'; // ISO-8859-1 
mb_detect_encoding($str, 'UTF-8'); // 'UTF-8' 
mb_detect_encoding($str, 'UTF-8', true); // false

這是真實的，是的。但有誰能給我一個解釋，爲什麼？

來源

2016-08-24 vaso123

最終該標誌被穿過，以[這裏]（https://github.com/php/php-src/blob/打開這個報告c72282a13b12b7e572469eba7a7ce593d900a8a2/EXT/MBSTRING/libmbfl/mbfl/mbfilter.c＃L718）;但如果我能弄清楚它的功能，我會受到詛咒...... – deceze

FWIW，*另一個原因是從來沒有使用過這個功能，因爲*檢測*編碼從根本上說是不可能的。非常有趣的問題。 – deceze

@deceze滑稽：關於整個源代碼中'strict'的唯一評論是'/ * set strict flag * /' –

本答案中的所有內容都基於我對代碼here和here的閱讀。

我沒有寫它，我沒有用調試器來完成它，這只是我的解釋而已。

看來，意圖是嚴格模式，並檢查字符串作爲一個整體是有效的編碼，而非嚴格的模式將允許子序列能成爲其中的一部分有效的字符串。例如，如果字符串以多字節字符的第一個字節結尾，則它在嚴格模式下不會匹配，但在非嚴格模式下仍可以使用UTF-8。

但是，似乎有一個錯誤*在非嚴格模式下，只有字符串的第一個字節在某些情況下被檢查。

實施例：

字節0xf8不以UTF-8的任何位置允許的。當放置在字符串mb_detect_encoding()的開頭時，無論使用哪種模式，都會正確返回false。

$str = "\xf8foo"; 

var_dump(
    mb_detect_encoding($str, 'UTF-8'),  // bool(false) 
    mb_detect_encoding($str, 'UTF-8', true) // bool(false) 
);

但是，只要UTF-8序列中的前導字節可能出現在任何地方，非嚴格模式就會返回UTF-8。

$str = "foo\xf8"; 

var_dump(
    mb_detect_encoding($str, 'UTF-8'),  // string(5) "UTF-8" 
    mb_detect_encoding($str, 'UTF-8', true) // bool(false) 
);

所以當你的ISO-8859-1字符串'áéóú'是無效的UTF-8，第一個字節"\xe1"在UTF-8和mb_detect_encoding()錯誤地返回字符串因爲這樣可能會發生。

* _{我在https://bugs.php.net/bug.php?id=72933}

來源

2016-08-24 11:30:21

-2

因爲$str不是實際的UTF-8，而是ISO-8859-1。由於當不嚴格比較，UTF-8可以被處理相同ISO-8859-1，但使用嚴格模式時僅實際UTF-8適合用於UTF-8比較（explained here）

來源

2016-08-24 07:47:50 Justinas

這些特定的字符在UTF-8和8859中看起來非常不同。它們肯定不是「相同」，不能被「對待相同」。這僅適用於前128個字符（ASCII），這些不屬於這些字符。該字符串在UTF-8期間明顯無效。 – deceze

在ISO-8859-1編碼áéóú爲：

e1 e9 f3 fa

如果你誤解爲UTF-8，你只會得到四個無效的字節序列。多字節擴展基本上被設計爲忽略錯誤。例如，mb_convert_encoding()將用question marks或您用mb_substitute_character()設置的任何值替換那些序列。

我的猜測是，嚴格的編碼確定哪些應該無效的字節序列來完成：

false意味着將它們刪除
true手段，讓他們

如果忽略這些無效的序列顯然會丟棄極其有價值的信息，而且只有在非常有限的情況下才能得到明智的結果，例如

$str = chr(81); 
var_dump(mb_detect_encoding($str, ['ISO-8859-1', 'Windows-1252'])); 
var_dump(mb_detect_encoding($str, ['Windows-1252', 'ISO-8859-1']));

綜上所述，mb_detect_encoding()是一般不像你的東西是有用的，它是使用默認參數總廢話。

來源

2016-08-24 10:54:59

不管是笑還是哭，這就是問題所在。 – deceze

PHP函數mb_detect_encoding嚴格模式

回答

相關問題